灰色理論船舶應(yīng)急物流優(yōu)化淺議
前言：想要寫出一篇引人入勝的文章？我們特意為您整理了灰色理論船舶應(yīng)急物流優(yōu)化淺議范文，希望能給你帶來靈感和參考，敬請閱讀。
摘要:由于目前方法未能考慮海上應(yīng)急物流配送過程中存在的約束條件,在選取最優(yōu)配送路徑時存在配送時間長、配送距離遠、船艦疏散性能差、輸送安全性低等問題,提出基于柵格GIS的海上應(yīng)急物流最優(yōu)路徑選取方法。方法首先基于柵格GIS技術(shù)對配送中可能存在的影響因素進行分析,并依據(jù)分析結(jié)果挖掘影響配送的約束條件,利用群智能優(yōu)化算法對備選路徑進行優(yōu)化;再依據(jù)灰色理論對備選路徑的評價指標進行計算,獲取備選路徑的最優(yōu)指標集以及路徑的指標權(quán)重;最后通過關(guān)聯(lián)分析法對指標權(quán)重進行計算,得出海上應(yīng)急物流配送的最優(yōu)路徑。實驗結(jié)果表明,運用上述方法選取最優(yōu)路徑的配送時間短、配送距離短、船艦疏散性能好、輸送的安全性高。
關(guān)鍵詞:柵格技術(shù);海上應(yīng)急物流;最優(yōu)路徑;群智能優(yōu)化算法;約束條件
1引言
自進入21世紀以來,地震等突發(fā)性災(zāi)害以及各類重大事故頻發(fā),海上突發(fā)重大事故更是頻頻發(fā)生[1]。我國的領(lǐng)海面積巨大,海岸線綿長,靠海謀生的漁民不計其數(shù),如何為海上應(yīng)急物流選取一條最佳的路徑通道,成為物流領(lǐng)域亟待解決的難題之一[2]。汪貴慶[3]等人提出基于精英蟻群算法的交通最優(yōu)路徑研究。該方法首先基于Petri網(wǎng)絡(luò),構(gòu)建精確的多因素交通路網(wǎng)模型;再利用精英蟻群算法對信息濃度進行初始化引導,并采用相互約束的方式尋找兩條以上的路徑;最后通過對路徑信息素濃度的計算,尋找出最佳的路徑。該方法由于未能考慮物流配送過程中的約束條件,所以該方法選取的配送路徑配送時間較長。樊相宇等人[4]提出基于道路堵塞及顧客時間要求的快件配送最優(yōu)路徑選擇。該設(shè)計方法首先對交通網(wǎng)絡(luò)的關(guān)鍵邊以及配送的網(wǎng)絡(luò)特征進行計算;再根據(jù)時間要求,對不同的路徑進行分析;并依據(jù)最短路徑上的各邊特點,對各邊對應(yīng)的路徑進行計算,選取一組備用路徑;最后將符合時間要求的路徑作為運輸?shù)淖罴崖窂?完成路徑的選擇。該方法選取路徑的運輸安全性能較低,且船艦疏散性能較差。除此之外,常用的路徑優(yōu)化方法還有基于有向圖規(guī)劃的船舶物流運輸最優(yōu)路徑選取算法。依據(jù)有向規(guī)劃方法對物流運輸時的路徑?jīng)_突分流點進行確定;再依據(jù)深度優(yōu)先遍歷算法對分流點進行計算,并逆序打印每一條路徑的計算結(jié)果,從中選取一條最優(yōu)路徑,以此完成物流的最佳路徑選取,該方法選取路徑的配送距離長。為解決上述路徑選取時存在的問題,提出基于柵格GIS的海上應(yīng)急物流最優(yōu)路徑選取方法。
2路徑優(yōu)化
首先基于柵格GIS技術(shù)對海上應(yīng)急物流在配送時存在的影響因素進行分析。再利用智能優(yōu)化算法優(yōu)化配送路徑[5]。由于海上物流配送路徑錯綜復雜,在運輸中會產(chǎn)生大量的數(shù)據(jù),對這些數(shù)據(jù)的處理效果會對物流運輸路徑優(yōu)化效果產(chǎn)生影響[6]。然而現(xiàn)有方法不能對數(shù)據(jù)進行有效處理,因此,本文采用柵格GIS技術(shù)對單格柵格數(shù)據(jù)與多格柵格數(shù)據(jù)同時進行矢量化處理,根據(jù)數(shù)據(jù)處理結(jié)果再對海上應(yīng)急物流在配送時存在的影響因素進行分析,可以提升路徑優(yōu)化效果。
2.1挖掘約束條件
海上應(yīng)急物流在進行配送時,船艦會將各個港口作為節(jié)點,執(zhí)行物流的配送任務(wù)。而在應(yīng)急物流的配送過程中,會受到各類約束條件的影響,所以采用柵格GIS技術(shù)對應(yīng)急物流配送期間可能存在的約束條件進行必要的特征點挖掘,成為配送的關(guān)鍵[7]。在選取應(yīng)急物流配送路徑時,需要考慮時間約束問題,過程如下所示∀d∈Dab,[T1+T2]≤Tab(1)式中,該次配送的局部最優(yōu)路徑為d,物流配送的出發(fā)點和終點分別為a和b,出發(fā)點與終點之間存在的全部路徑用Dab表示,物流規(guī)定的配送時間上限為Tab,而船艦在物流配送過程中的配送時間為T1,到達時間為T2。其次,應(yīng)急物流在配送過程中要考慮中轉(zhuǎn)次數(shù)所帶來的影響,中轉(zhuǎn)次數(shù)約束條件如下式所示1≤∑k(i,j)∈Pxdij≤n,∀d∈Dab(2)式中,配送路徑上節(jié)點i與節(jié)點j之間的弧度為xdij,配送時路徑的選擇變量為x,節(jié)點之間弧度的集合為P,航線數(shù)量用n表示,n≠0,且為整數(shù)。由于船艦所航行的每一條航線都有船艦運力,船艦在配送時不可超過極限運力,因此,物流配送會受到航線運力的約束,將此約束條件表示為fdabxdijhnij≤Ynij,∀(i,j)∈P(3)式中,物流配送過程中,路徑d從出發(fā)點a港口到終點b港口之間的船艦運力為fdab,航線中存在的選擇變量為hnij,路徑上節(jié)點i至節(jié)點j之間弧度在航線n上的運力為Ynij。
2.2構(gòu)建路徑優(yōu)化模型
整合應(yīng)急物流在配送時產(chǎn)生的相關(guān)數(shù)據(jù),如船艦裝載量、航線運力等,將整合后的數(shù)據(jù)歸一到一個數(shù)據(jù)集中。設(shè)定數(shù)據(jù)集內(nèi)的數(shù)據(jù)量為N,數(shù)據(jù)集中每個數(shù)據(jù)個體的體積為UV。依據(jù)隨機生成理論生成物流配送航線;在此基礎(chǔ)上,繼續(xù)生成第二組路徑組合及航線,直至完成配送。匹配過程中,若無中轉(zhuǎn)港口,則將本次配送看作直達配送,以此構(gòu)建有m個解的路徑優(yōu)化模型[8]?；谀Ｐ偷奶攸c以及獲取的約束條件,與目標函數(shù)進行結(jié)合,搭建配送的適應(yīng)度函數(shù),過程如下式所示式中,搭建的適應(yīng)度函數(shù)為S,模型中的目標函數(shù)為M,函數(shù)中的懲罰系數(shù)為λ,且λ為無限大。若構(gòu)建的函數(shù)不能滿足全部的約束條件,則獲取的配送路徑就為局部最優(yōu)而不是全局最優(yōu),為了獲取全局最優(yōu)解,采用群智能優(yōu)化算法搜索局部混沌區(qū)域。
2.3搜索局部混沌區(qū)域
路徑優(yōu)化后只能獲取路徑的局部最優(yōu),而不是全局最優(yōu)。因此,基于改進的群智能優(yōu)化算法,對備選的配送路徑進行優(yōu)化處理。設(shè)置映射混沌序列為φi+1=kφi·(1-φi),i=1,2,…,q-1(5)式中,搜索的隨機參數(shù)為φi,搜索數(shù)量為q。在更新完成整個群體的數(shù)據(jù)后,利用搜索策略對海上應(yīng)急物流配送路徑的局部混沌區(qū)域進行搜索,過程如下式所示Xm=(1-σ)X0+σ[r2+φm(r1-r2)](6)式中,獲取的路徑搜索候選解為Xm,經(jīng)過高斯變異策略獲取的最優(yōu)解為X0,混沌序列中的元素表示為φm,最優(yōu)解空間中的上限與下限分別為r1和r2,搜索過程中控制收縮程度的參數(shù)為σ。依據(jù)上述計算過程,對海上應(yīng)急物流的全局域混沌局部搜索,實現(xiàn)海上應(yīng)急物流的備選配送路徑優(yōu)化。
3最優(yōu)路徑選取
利用灰色關(guān)聯(lián)系數(shù)對上述優(yōu)化的路徑進行計算,從而實現(xiàn)海上應(yīng)急物流的最優(yōu)路徑選取[9]。
3.1路徑評價指標
首先,設(shè)定備選路徑有z個,評價指標有o個,基于灰色理論構(gòu)建一個數(shù)學模型,過程如下式所示式中,海上應(yīng)急物流的備選路徑綜合評價矩陣為R,且R={rz,z=1,2,…,n},權(quán)重分配矩陣為W,且W={wo,o=1,2,…,m},基于熵值法確定決策指標權(quán)重為wo,η為關(guān)聯(lián)系數(shù)矩陣。
3.2構(gòu)建評價指標集
基于獲取的路徑評價指標,對備選路徑進行量化處理。經(jīng)過量化后,評價指標會具備一致性特征,以此可對其進行關(guān)聯(lián)系數(shù)的計算。將指標分為“小且優(yōu)指標”和“大且優(yōu)指標”,并借助下式進行求解式中,備選路徑z的第o個指標初始值為x′zo,而xzo為歸一化后的第z個路徑上的第o個指標。最后基于上述處理過程,構(gòu)建規(guī)范的評價指標集X={xzo}(n×m)。
3.3最優(yōu)指標集
整合備選路徑中不同指標的最優(yōu)值,形成一個最優(yōu)指標集,過程如下式所示式中,獲取的最優(yōu)指標集為X0。
3.4計算指標權(quán)重
通常情況下會根據(jù)層次分析法對指標權(quán)重因子進行確定,但是受主觀因素影響,評價結(jié)果不客觀,所以要利用客觀賦權(quán)法來計算評價指標的權(quán)重。各個評價指標的決策信息可用eo表示,表達過程如下所示式中,eo為指標決策信息,lnxzo為第z個備選路徑上第o個指標的不確定值。而第o個指標的評價數(shù)據(jù)的離散程度如下式所示式中,獲取的指標離散程度為Po,指標的權(quán)重因子為Wo。
3.5計算關(guān)聯(lián)度
基于上述計算結(jié)果,利用灰色系統(tǒng)理論中的灰色關(guān)聯(lián)分析法對海上應(yīng)急物流備選路徑的關(guān)聯(lián)程度進行計算[10]。首先將獲取的最優(yōu)指標集{x0(k)}={x0(1),x02,…,x0(k)}作為參考數(shù)據(jù)列,并將各個指標集{xo(k)}={xo(1),xo(2),…xo(k)}作為被比較數(shù)列,且(o=1,2,…,n)(k=1,2,…,m)。依據(jù)下式計算備選路徑中第z個路徑上第o個評價指標的關(guān)聯(lián)系數(shù)δz(o),過程如下式所示:式中,路徑分辨系數(shù)為p,z為路徑平均值,獲取的關(guān)聯(lián)系數(shù)為δz(o)。
3.6綜合評價
最后對備選路徑的優(yōu)劣進行排序,從而選擇出海上應(yīng)急物流的最優(yōu)路徑。選擇流程如圖1所示。
4實驗
為了驗證所設(shè)計最優(yōu)路徑選擇方法的整體有效性,需要對此方法進行測試。
4.1實驗結(jié)果及分析
分別采用基于柵格GIS的海上應(yīng)急物流最優(yōu)路徑選取方法(方法1)、基于精英蟻群算法的交通最優(yōu)路徑研究(方法2)、基于有向圖規(guī)劃的船舶物流運輸最優(yōu)路徑選取算法(方法3)進行測試;1)隨機選定一塊海域,對方法1、方法2以及方法3的海上應(yīng)急物流配送時間進行測試,測試結(jié)果如圖2所示。依據(jù)圖2可知,方法1測試的海上應(yīng)急物流配送時間均在55小時至56小時之間。方法2經(jīng)過多次實驗可知,海上應(yīng)急物流的配送時間在58小時至60小時之間。而方法3經(jīng)過多次測試后可知,海上應(yīng)急物流的配送時間在61小時至64小時之間。綜上所述,方法1所選取的最優(yōu)路徑在物流配送時的配送時間短。2)對方法1、方法2以及方法3所選取的最優(yōu)路徑的運輸距離進行測試,測試結(jié)果如圖3所示。依據(jù)圖3可知,方法1所選路徑的海上應(yīng)急物流運輸距離要低于方法2以及方法3。方法3在測試初期所選路徑的運輸距離幾乎與方法1持平,但隨著實驗次數(shù)的增多,方法3所檢測出的路徑運輸距離均為三種方法中最長的。這主要是因為方法1在物流配送前考慮了配送過程中可能出現(xiàn)的約束條件,所以方法1選取路徑的運輸距離短。3)對方法1、方法2以及方法3的船艦疏散性能進行測試,測試結(jié)果如圖4所示。依據(jù)圖4可知,方法1在100分鐘內(nèi)可以有效地對該路徑上的550艘船艦進行疏散,而方法2只能疏散不超出350艘的船艦,方法3是三種方法中性能最差的,只能在100分鐘內(nèi)疏散不超過250艘船艦。綜上所述,方法1所選路徑的船艦疏散性能高。4)對方法1備選路徑優(yōu)化前后的路徑運輸安全性進行測試,測試結(jié)果如表1所示。依據(jù)表1可知,基于柵格GIS的海上應(yīng)急物流最優(yōu)路徑選取方法備選路徑在優(yōu)化前的運輸安全性最高可達94.1%,而考慮約束條件的備選路徑運輸安全性最高可達97.2%。綜上所述,經(jīng)過優(yōu)化后的備選路徑運輸安全性能更好。
5結(jié)束語
隨著近幾年我國發(fā)生的嚴重突發(fā)事件增多,對于海上應(yīng)急物流的選取變得更加嚴苛。針對應(yīng)急物流配送過程中路徑選擇方法中存在的問題,提出基于柵格GIS的海上應(yīng)急物流最優(yōu)路徑選取方法。該方法首先利用柵格GIS技術(shù)與群智能優(yōu)化算法對備選路徑進行優(yōu)化;再基于灰色關(guān)聯(lián)理論對備選路徑的灰色關(guān)聯(lián)度進行計算,并依據(jù)計算結(jié)果選取最優(yōu)的路徑進行配送。實驗結(jié)果表明,該方法的最優(yōu)路徑配送時間、配送距離、船艦疏散性能以及輸送安全性均優(yōu)于傳統(tǒng)方法。
作者:孫宇博 胡晶 劉鑫 單位:徐州工程學院管理工程學院 中南大學計算機學院